PHP内核探索之变量（2）-理解引用

本文主要内容：

1. 引论
2. 符号表与zval
3. 引用原理
4. 回到最初的问题

一、引论

　　很久之前写了一篇关于引用的文章，当时写的寥寥草草，很多原理都没有说清楚。最近在翻阅Derick Rethans（home: http://derickrethans.nl/ Github: https://github.com/derickr）大牛之前做的报告时，发现了一篇讲解PHP引用机制的文章,也就是这个PDF.文中从zval和符号表的角度讲解了引用计数、引用传参、引用返回、全局参数等的原理，洋洋洒洒，图文并茂，甚是精彩，建议童鞋们有时间都读读原版，相信会有不少的收获。

　　废话不多说，接着说今天的正题。

　　我们知道，很多语言都提供了引用的机制，引用可以让我们使用不同的名字（或符号）访问同样的内容。PHP手册中对引用的定义是："在PHP中引用意味着用不同的名字访问同一个变量内容。这并不像C的指针，替代的是，引用是符号表别名。"，换句话说，引用实现了某种形式的"绑定"。例如我们经常碰到的这类面试题，便是引用的典范：

$a = array(1,2,3,4);foreach($a as &$v){     $v *= $v;} foreach($a as $v){     echo $v;}

　　抛开本题的输出不谈，我们今天就跟随Derick Rethans前辈的脚步，一步一步去揭开引用的神秘面纱。

二、  符号表和zval

　　在开始引用的原理之前，我们有必要对于文中反复出现的术语做个简单的说明，其中最主要也最重要的便是: 1.符号表 2.zval.

1.　　 符号表

　　计算机语言是人与机器交流的工具，但不幸的是，我们赖以生存和引以为傲的高级语言却无法直接在计算机上执行，因为计算机只能理解某种形式的机器语言。这意味着，高级语言必须要经过编译（或解释）过程才能被计算机理解和执行。在这其间，要经过词法分析、语法分析、语义分析、中间代码生成和优化等很多复杂的过程，而这些过程中，编译程序可能要反复用到源程序中出现的标识符等信息（例如变量的类型检查、语义分析阶段的语义检查），这些信息便是保存在不同的符号表中的。符号表保存了源程序中标识符的名字和属性信息，这些信息可能包括：类型、存储类型、作用域、存储分配信息和其他一些额外信息等。为了高效的插入和查询符号表项，很多编译器的符号表都使用Hashtable来实现。我们可以简单的理解为：符号表就是一个保存了符号名和该符号的各类属性的hashtable或者map。例如，对于程序：

$str = 'this is a test'; function foo( $a, $b ){    $tmp = 12;    return $tmp + $a + $b;}  function to(){ }

一个可能的符号表(并非实际的符号表)是类似这样的结构：

 

　　我们并不去关注符号表的具体结构，只需要知道：每个函数、类、命名空间等都有自己的独立的符号表（与全局的符号表分开）。说到这里，突然想起来一件事情，最开始使用PHP编程的时候，在读extract()函数的手册时，对于"从数组中将变量导入到当前的符号表"这句话的含义百思不得其解，更是对前辈们所说的"不建议使用extract($_POST)和extract($_GET)提取变量"的建议万分苦恼。实际上，extract的滥用不仅会有严重的安全性问题，而且会污染当前的符号表( active symbol table)。

　　那么active symbol table又是什么东西呢？

　　我们知道，PHP代码的执行过程中，几乎都是从全局作用域开始，依次扫描，顺序执行。如果遇到函数调用，则进入该函数的内部执行，该函数执行完毕之后会返回到调用程序继续执行。这意味着，必须要有某种机制用于区分不同阶段所要使用的符号表，否则就会造成编译和执行的错乱。Active symbol table便是用于标志当前活动的符号表（这时应该至少存在着全局的global symbol table和活动的active symbol table，通常情况下，active symbol table就是指global symbol table）。符号表并不是一开始就建立好的，而是随着编译程序的扫描不断添加和更新的。在进入函数调用时，zend（PHP的语言解释引擎）会创建该函数的符号表，并将active symbol table指向该符号表。也就是说，在任意时刻使用的的符号表都应该是当前的active symbol table。

　　以上就是符号表的全部内容了，我们简单抽离一下其中的关键内容：

1. 符号表记录了程序中符号的name-attribute对，这些信息对于编译和执行是至关重要的。
2. 符号表类似一个map或者hashtable
3. 符号表不是一开始就建立好的，而是不断添加和更新的过程。
4. 活动符号表是一个指针，指向的是当前活动的符号表。

　　更多的资料可以查看：

　　1. http://www.scs.stanford.edu/11wi-cs140/pintos/specs/sysv-abi-update.html/ch4.symtab.html

　　2. http://arantxa.ii.uam.es/~modonnel/Compilers/04_SymbolTablesI.pdf

2.       Zval

　　在上一篇博客（PHP内核探索之变量（1）Zval）中，我们已经对zval的结构和基本原理有了一些了解。对zval不了解的童鞋可以先看看。为了方便阅读，我们再次贴出zval的结构：

struct _zval_struct {    zvalue_value value;       /* value */    zend_uint refcount__gc;   /* variable ref count */    zend_uchar type;         /* active type */    zend_uchar is_ref__gc;    /* if it is a ref variable */};typedef struct _zval_struct zval;

三、引用

1.　　引用计数

　　正如上节所言，zval是PHP变量底层的真正容器，为了节省空间，并不是每个变量都有自己独立的zval容器，例如对于赋值（assign-by-value）操作:$a = $b（假设$b,$a都不是引用型变量），Zend并不会为$b变量开辟新的空间，而是将符号表中a符号和b符号指向同一个zval。只有在其中一个变量发生变化时，才会执行zval分离的操作。这被称为COW(Copy-on-write)的机制，可以在一定程度上节省内存和提高效率。

　　为了实现上述机制，需要对zval的引用状态做标记，zval的结构中，refcount__gc便是用于计数的，这个值记录了有多少个变量指向该zval, 在上述赋值操作中,$a=$b ,会增加原始的$b的zval的refcount值。关于这一点，上次(PHP内核探索之变量（1）Zval)已经做了详细的解释，这里不再赘述。

2.         函数传参

　　在脚本执行的过程中，全局的符号表几乎是一直存在的，但除了这个全局的global symbol table，实际上还会生成其他的symbol table：例如函数调用的过程中，Zend会创建该函数的内部symbol table，用于存放函数内部变量的信息，而在函数调用结束后，会删除该symbol table。我们接下来以一个简单的函数调用为例，介绍一下在传参的过程中，变量和zval的状态变化,我们使用的测试脚本是：

function do_zval_test($s){    $s = "change ";    return $s;} $a = "before";$b = do_zval_test($a);

我们来逐步分析:

(1).   $a = "before";

　　这会为$a变量开辟一个新的zval（refcount=1,is_ref=0）,如下所示：

　　

(2).   函数调用do_zval_test($a)

　　由于函数的调用，Zend会为do_zval_test这个函数创建单独的符号表（其中包含该函数内部的符号s），同时，由于$s实际上是函数的形参，因此并不会为$s创建新的zval，而是指向$a的zval。这时，$a指向的zval的refcount应该为3（分别是$a,$s和函数调用堆栈）：

a: (refcount=3, is_ref=0)='before func'

　　如下图所示：

　　                  

(3).函数内部执行$s = "change "

　　由于$s的值发生了改变，因此会执行zval分离，为s专门copy生成一个新的zval:

 

(4).函数返回 return $s ; $b = do_zval_test($a).

　　$b与$s共享zval（暂时），准备销毁函数中的符号表：

 

(5).   销毁函数中的符号表，回到Global环境中：

 

　　这里我们顺便说一句，在你使用debug_zval_dump()等函数查看zval的refcount时，会令zval本身的refcount值加1，所以实际的refcount的值应该是打印出的refcount减1，如下所示：

$src = "string";debug_zval_dump($src);

结果是：

string(6) "string" refcount(2)

3.         引用初探

同上，我们还是直接上代码，然后一步步分析（这个例子比较简单，为了完整性，我们还是稍微分析一下）：

$a = "simple test";$b = &a;$c = &a; $b = 42;unset($c);unset($b);

则变量与zval的对应关系如下图所示：（由此可见，unset的作用仅仅是将变量从符号表中删除，并减少对应zval的refcount值）

 

上图中值得注意的最后一步，在unset($b)之后，zval的is_ref值又变成了0。

那如果是混合了引用（assign-by-reference）和普通赋值(assign-by-value)的脚本，又是什么情况呢？

我们的测试脚本：

(1). 先普通赋值后引用赋值

$a = "src";$b = $a;$c = &$b;

具体的过程见下图：

 

(2). 先引用赋值后普通赋值

$a = "src";$b = &$a;$c = $a;

具体过程见下图：

 

4.　　传递引用

同样，向函数传递的参数也可以以引用的形式传递，这样可以在函数内部修改变量的值。作为实例，我们仍使用2（函数传参）中的脚本，只是参数改为引用的形式：

function do_zval_test(&$s){    $s = "after";    return $s;} $a = "before";$b = do_zval_test($a);

这与上述函数传参过程基本一致，不同的是，引用的传递使得$a的值发生了变化。而且，在函数调用结束之后 $a的is_ref恢复成0：

 

可以看出，与普通的值传递相比，引用传递的不同在于：

(1)     第3步 $s = "change";时，并没有为$s新建一个zval，而是与$a指向同一个zval,这个zval的is_ref=1。

(2)     还是第3步。$s = "change";执行后，由于zval的is_ref=1，因此,间接的改变了$a的值

5.　　引用返回

　　PHP支持的另一个特性是引用返回。我们知道，在C/C++中，函数返回值时，实际上会生成一个值的副本，而在引用返回时，并不会生成副本，这种引用返回的方式可以在一定程度上节省内存和提高效率。而在PHP中，情况并不完全是这样。那么，究竟什么是引用返回呢？PHP手册上是这么说的："引用返回用在当想用函数找到引用应该被绑定在哪一个变量上面时"，是不是一头雾水，完全不知所云？其实，英文手册上是这样描述的"Returning by reference is useful when you want to use a function to find to which variable a reference should be bound"。提取文中的主干和关键点，我们可以得到这样的信息：

（1）.       引用返回是将引用绑定在一个变量上。

（2）.       这个变量不是确定的，而是通过函数得到的（否者我们就可以使用普通的引用了）。

这其实也说明了引用返回的局限性：函数必须返回一个变量，而不能是一个表达式，否者就会出现类似下面的问题：

PHP Notice:  Only variable references should be returned by reference in xxx(参看PHP手册中的Note).

那么，引用返回时如何工作的呢？例如，对于如下的例子：

function &find_node($key,&$tree){    $item = &$tree[$key];    return $item;}  $tree = array(1=>'one',2=>'two',3=>'three');$node =& find_node(3,$tree);$node ='new';

Zend都做了哪些工作呢？我们一步步来看。

(1).    $tree = array(1=>'one',2=>'two',3=>'three')

同之前一样，这会在Global symbol table中添加tree这个symbol，并生成该变量的zval。同时，为数组$tree的每个元素都生成相应的zval：

tree: (refcount=1, is_ref=0)=array (    1 => (refcount=1, is_ref=0)='one',    2 => (refcount=1, is_ref=0)='two',    3 => (refcount=1, is_ref=0)='three')

如下图所示：

（2）. find_node(3,&$tree)

　　由于函数调用，Zend会进入函数的内部，创建该函数的内部symbol table，同时，由于传递的参数是引用参数，因此zval的is_ref被标志为1，而refcount的值增加为3（分别是全局tree,内部tree和函数堆栈）：

 

（3）$item = &$tree[$key];

　　由于item是$tree[$key]的引用（在本例的调用中，$key是3），因而更新$tree[$key]指向zval的is_ref和refcount值：

 

（4）return $item，并执行引用绑定：

（5）函数返回，销毁局部符号表。

　　tree对应的zval的is_ref恢复了0，refcount=1,$tree[3]被绑定在了$node变量上，对该变量的任何改变都会间接更改$tree[3]:  

            

（6） 更改$node的值，会反射到$tree的节点上，$node ='new'：

 

Note:为了使用引用返回，必须在函数定义和函数调用的地方都显式的使用&符号。

6.    Global关键字

PHP中允许我们在函数内部使用Global关键字引用全局变量（不加global关键字时引用的是函数的局部变量），例如：

$var = "outside";function inside(){    $var = "inside";    echo $var;    global $var;    echo $var;} inside();

输出为insideoutside

我们只知道global关键字建立了一个局部变量和全局变量的绑定，那么具体机制是什么呢？

使用如下的脚本测试：

$var = "one";      function update_var($value){         global $var;         unset($var);         global $var;         $var = $value;} update_var('four');echo $var;

具体的分析过程为：

（1）.$var = 'one';

     同之前一样，这会在全局的symbol table中添加var符号,并创建相应的zval：

 

(2).update_var('four')

     由于直接传递的是string而不是变量，因而会创建一个zval,该zval的is_ref=0,ref_count=2(分别是形参$value和函数的堆栈)，如下所示：

 

（3）global $var

　　global $var这句话，实际上会执行两件事情:

    (1).在函数内部的符号表中插入局部的var符号

    (2).建立局部$var与全局变量$var之间的引用.

（4）unset($var);

     这里要注意的是，unset只是删除函数内部符号表中var符号，而不是删除全局的。同时，更新原zval的refcount值和is_ref引用标志（引用解绑）：

 

(5).global $var

     同3，再次建立局部$var与全局的$var的引用：

 

（6）$var = $value;

　　更改$var对应的zval的值，由于引用的存在，全局的$var的值也随之改变：

                  

（7）函数返回，销毁局部符号表（又回到最初的起点，但，一切已经大不一样了）：

 

据此，我们可以总结出global关键字的过程和特性：

1. 函数中声明global，会在函数内部生成一个局部的变量，并与全局的变量建立引用。
2. 函数中对global变量的任何更改操作都会间接更改全局变量的值。
3. 函数unset局部变量不会影响global，而只是解除与全局变量的绑定。

四、回到最初的问题

现在，我们对引用已经有了一个基本的认识。让我们回到最初的问题：

$a = array(1,2,3);foreach($a as &$v){     $v *= $v;} foreach($a as $v){     echo $v;}

这之中，究竟发生了什么事情呢？

(1).$a = array(1,2,3);

这会在全局的symbol table中生成$a的zval并且为每个元素也生成相应的zval：

 

(2).   foreach($a as &$v) {$v *= $v;}

这里由于是引用绑定，所以相当于对数组中的元素执行:

$v = &$a[0];$v = &$a[1];$v = &$a[2];

执行过程如下:

我们发现，在这次的foreach执行完毕之后，$v = &$a[2].

（3）第二次foreach循环

foreach($a as $v){     echo $v;}

这次因为是普通的assign-by-value的赋值形式，因此，类似与执行：

$v = $a[0];$v = $a[1];$v = $a[2];

别忘了$v现在是$a[2]的引用，因此，赋值的过程会间接更改$a[2]的值。

过程如下：

因此，输出结果应该为144.

附：本文中的zval的调试方法。

如果要查看某一过程中zval的变化，最好的办法是在该过程的前后均加上调试代码。例如

$a = 123;xdebug_debug_zval('a');$b=&$a;xdebug_debug_zval('a');

配合画图，可以得到一个直观的zval更新过程。

参考文献：

1. http://en.wikipedia.org/wiki/Symbol_table
2. http://arantxa.ii.uam.es/~modonnel/Compilers/04_SymbolTablesI.pdf
3. http://web.cs.wpi.edu/~kal/courses/cs4533/module5/myst.html
4. http://www.cs.dartmouth.edu/~mckeeman/cs48/mxcom/doc/TypeInference.pdf
5. http://www.cs.cornell.edu/courses/cs412/2008sp/lectures/lec12.pdf
6. http://php.net/manual/zh/language.references.return.php
7. http://stackoverflow.com/questions/10057671/how-foreach-actually-works

由于写作匆忙，文中难免会有错误之处，欢迎指出探讨。